Deep-TEMPEST：使用深度学习窃听HDMI意外电磁辐射
密码学与安全
2024-07-16 v1 计算机视觉与模式识别
机器学习
摘要
本文解决了通过分析数字显示器（尤其是HDMI）意外辐射的电磁波来窃听数字视频显示的问题，这一问题被称为TEMPEST。与模拟情况（VGA）相比，数字情况更难处理，因为10位编码导致带宽大幅增加，且观察信号与像素强度之间的映射为非线性。因此，针对数字视频的窃听系统在应用到模拟视频时会获得不清晰且难以阅读的图像。我们将问题重新表述为逆问题，通过训练深度学习模块将观察到的电磁信号映射回显示图像。然而，这种方法仍需要对信号进行详细的数学分析，首先确定应调谨的频率，其次在实际TEMPEST setup的情况下生成训练样本。这种做法节省时间，避免需要获取这些样本，特别是当考虑多种配置时。我们的关注点是提高文本中的平均字符错误率（Character Error Rate），我们的方法将该错误率提高了超过60个百分点。该系统基于广泛可用的Software Defined Radio，完全开源，无缝集成到流行的GNU Radio框架中。我们还分享了用于训练的数据集，包括模拟数据和超过1000次真实捕获。最后，我们讨论了一些措施，以最小化基于类似原理设计的窃听系统潜在风险。
引用
@article{arxiv.2407.09717,
title = {Deep-TEMPEST: Using Deep Learning to Eavesdrop on HDMI from its Unintended Electromagnetic Emanations},
author = {Santiago Fernández and Emilio Martínez and Gabriel Varela and Pablo Musé and Federico Larroca},
journal= {arXiv preprint arXiv:2407.09717},
year = {2024}
}
备注
Submitted to LADC '24